Upload
ayah-irawan
View
71
Download
8
Embed Size (px)
Citation preview
ORGANISASI MATERI
1. KONSEP DASAR
2. REGRESI LINIER SEDERHANA
3. TELADAN PENGGUNAAN SPSS
4. TUGAS MANDIRI
5. PENUTUP
2Zainuddin Analisis Regresi Linier
1. KONSEP DASAR
Korelasi & Regresi keduanya mempunyai hubunganyang sangat erat
Setiap regresi pasti ada korelasinya, tetapi korelasibelum tentu dilanjutkan dengan regresi
Korelasi yang tidak dilanjutkan dengan regresi adalahkorelasi antara dua variabel yang tidak mempunyaihubungan kausal/sebab akibat/fungsional
3Zainuddin Analisis Regresi Linier
Analisis regresi dilakukan bila hubungan dua variabelberupa hubungan kausal atau fungsional
Untuk menetapkan kedua variabel mempunyaihubungan kausal atau tidak, maka harus didasarkanpada teori atau konsep-konsep tentang dua variabeltersebut
Hubungan antara panas dengan tingkat muai panjang, dapat dikatakan sebagai hubungan yang kausal; hubungan antara promosi dengan penjualan adalahhungan yang kausal; hubungan antara kupu-kupuyang datang dengan banyaknya tamu di rumah bukanhubungan kausal/fungsional
4Zainuddin Analisis Regresi Linier
Analisis regresi digunakan untuk memprediksivariabel dependen/kriteria melalui variabelindependen/prediktor, secara individual
Dampak dari penggunaan analisis regresi dapatdigunakan untuk memutuskan apakah naik danmenurunnya keadaan variabel independen, atauuntuk meningkatkan keadaan variabel dependendapat dilakukan dengan meningkatkan variabelindependen/dan sebaliknya
Zainuddin Analisis Regresi Linier 5
Dalam analisis regresi, akan dikembangkan sebuahestimating equation (persamaan regresi) yaitu suatuformula matematika yang mencari nilai variabeldependen dari variabel independen yang diketahui
Ex : ada tiga variabel, yaitu Penjualan, Biaya PromosiPenjualan dan Biaya Iklan. Di sini berarti ada variabeldependen yaitu Penjualan, sedangkan variabelindependennya adalah Biaya Promosi Penjualan danBiaya Iklan
Zainuddin Analisis Regresi Linier 6
Analisis korelasi akan membahas keeratanhubungan, dalam hal ini keeratan hubungan antaraBiaya Promosi Penjualan dan Biaya Iklan terhadapPenjualan
Sedangkan analisis regresi akan membahas prediksi(peramalan), dalam hal ini apakah Penjualan di masamendatang dapat diramalkan jika Biaya PromosiPenjualan dan Biaya Iklan diketahui
Zainuddin Analisis Regresi Linier 7
2. REGRESI LINIER SEDERHANA RLS : (simple regression), didasarkan pada hubungan
fungsional ataupun kausal ada satu variabelindependen dengan satu variabel dependen
Persamaan umum RLS adalah :
Y = α + βX
dimana :
Y = subyek dalam variabel dependen yg diprediksi
α = harga Y bila X = 0 (konstanta)
β = koefisien regresi
X = subyek pada variabel independen
Zainuddin Analisis Regresi Linier 8
3. Teladan Penggunaan SPSS Kasus : PT. X. dalam beberapa bulan terakhir gencar
mempromosikan sejumlah peralatan elektronikdengan membuka outlet-outlet di berbagai daerah. Berikut adalah data mengenai Penjualan dan BiayaPromosi yang dikeluarkan di 15 daerah di Indonesia(1)
Zainuddin Analisis Regresi Linier 9
Zainuddin Analisis Regresi Linier 10
Cor relations
1.000 .916
.916 1.000
. .000
.000 .
15 15
15 15
Sales
Promosi
Sales
Promosi
Sales
Promosi
Pearson Correlation
Sig. (1-tailed)
N
Sales Promosi
Descriptive Statis tics
246.4000 41.11274 15
34.6667 9.67815 15
Sales
Promosi
Mean Std. Deviation N
Regression • Rata-rata Sales : Rp. 246,4 jt, standar deviasi Rp. 41,11 jt•Rata-rata Biaya Promosi : 34,67 jt, st.deviasi Rp. 9,68•Besar hubungan antar variabel Sales dengan Promosi yg dihitung dgnkoefisien korelasi ad/ 0,916. Hal inimenunjukkan hubungan yg sangaterat (mendekati 1) di antara Sales dengan Biaya Promosi. Arahhubungan yg positif menunjukkansemakin besar Biaya Promosi akanmembuat Sales cenderungmeningkat. Demikian pula sebaliknya.•Tingkat signifikansi koefisienkorelasi menunjukkan 0,000. Olehkarena probabilitas jauh di bawah0,05 maka korelasi antara Sales dengan Promosi sangat nyata
Zainuddin Analisis Regresi Linier 11
Variables Enter ed/Removedb
Promosi a . Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entered.a.
Dependent Variable: Salesb.
Model Summ aryb
.916a .839 .826 17.12683
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Predictors: (Constant), Promosia.
Dependent Variable: Salesb.
•Tabel pertama menunjukkanvariabel yg dimasukkan adalahPromosi dan tdk ada variabel ygdiremoved. Hal ini disebabkanmetode yg dipakai adalah singelstep (enter) bukan stepwise•Angka R square adalah 0,839 disebut koefisien determinasi, ygberarti 83,9% Sales dpt dijelaskanoleh biaya Promosi. Sedangkansisanya 16,1% dijelaskan oleh faktorlain. R square berada pd kisaran 0 –1, dgn catatan semakin kecil angkaR square, semakin lemah hubungankedua variabel.• Standar error of estimate adalahRp. 17,13 jt ; lebih kecildibandingkan standar deviasi sales Rp. 41,11 jt artinya model regresilebih bagus sebagai prediktor Sales drpd Rata-rata Sales itu sendiri
Zainuddin Analisis Regresi Linier 12
ANOVAb
19850.334 1 19850.334 67.673 .000a
3813.266 13 293.328
23663.600 14
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Promosia.
Dependent Variable: Salesb.
Coefficientsa
111.523 16.982 6.567 .000
3.891 .473 .916 8.226 .000
(Constant)
Promosi
Model
1
B Std. Error
Unstandardized
Coef f icients
Beta
Standardized
Coef f icients
t Sig.
Dependent Variable: Salesa.
• Uji ANOVA atau F test, didapat F hitung 67,673 dengan tingkat signifikansi0,000. Oleh karena probabilitas (0,000) jauh lebih kecil dari 0,05 , maka model regresi dapat dipakai untuk memprediksi Sales
Tabel kedua menggambarkan persamaan regresi Y = 111,523 + 3,891 XDimana :• Y = sales X = Biaya Promosi•Konstanta sebesar 111,523 menyatakan bahwa jika tidak ada Biaya Promosi, makaSales adalah Rp. 111,523 jt.• Koefisien regresi sebesar 3,891 menyatakan bahwa setiap penambahan Rp 1,-Biaya Promosi akan meningkatkan Sales sebesar Rp. 3,891.-
Zainuddin Analisis Regresi Linier 13
Casew ise Diagnosticsa
Jakarta -.448 205.00 212.6806 -7.68063
Tangeran
g-.844 206.00 220.4620 -14.46202
Bekasi .368 254.00 247.6969 6.30310
Bogor .810 246.00 232.1341 13.86589
Bandung .454 201.00 193.2271 7.77285
Semaran
g-.652 291.00 302.1666 -11.16665
Solo .336 234.00 228.2434 5.75658
Yogya -1.124 209.00 228.2434 -19.24342
Surabaya -.053 204.00 204.8992 -.89924
Makassar -.942 216.00 232.1341 -16.13411
Manado .524 245.00 236.0248 8.97519
Balikpapa
n-.490 286.00 294.3853 -8.38526
Medan -.562 312.00 321.6201 -9.62013
Palemba
ng-.126 265.00 267.1504 -2.15038
Lampung 2.748 322.00 274.9318 47.06823
Case Number
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Daerah Std. Residual Sales
Predicted
Value Residual
Dependent Variable: Salesa.
• Casewise diagnostics memperlihatkan hasil prediksidari persamaan regresi• Contoh u/ Jakarta :• Y = 111,523 + 3,891 X
Y = 111,523 + 3,891 (26 jt) = Rp. 212,689 jt.
• Terlihat pada kolom Predicted Value /nilai yang diprediksiadalah 212,6806 atau samadengan perhitungan di atas•Kolom Residual adalah selisihantara Sales yg sesungguhnyadengan Sales hasil prediksi• 205 – 212,68 = -7,68 atau
Rp. 7,68 jt• Kolom Std Residual ad/ residual yg distandarkan :•U/ Jakarta -7,68/17,13 = -0,448
Zainuddin Analisis Regresi Linier 14
Res iduals Statisticsa
193.2271 321.6201 246.4000 37.65476 15
-1.412 1.998 .000 1.000 15
4.425 10.157 6.046 1.655 15
191.1721 326.8391 246.7940 38.68879 15
-19.24342 47.06823 .00000 16.50382 15
-1.124 2.748 .000 .964 15
-1.174 2.909 -.010 1.025 15
-20.99146 52.74795 -.39401 18.71067 15
-1.192 4.732 .111 1.423 15
.001 3.991 .933 1.108 15
.000 .511 .067 .128 15
.000 .285 .067 .079 15
Predicted Value
Std. Predicted Value
Standard Error of
Predicted Value
Adjusted Predic ted Value
Residual
Std. Residual
Stud. Res idual
Deleted Residual
Stud. Deleted Res idual
Mahal. Distance
Cook's Dis tance
Centered Leverage Value
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Salesa.
Tabel di atas menunjukkan ringkasan yang meliputi nilaiminimum dan maksimum, mean dan standar deviasi daripredicted value (nilai yang diprediksi) dan statistik residu
Charts
Zainuddin Analisis Regresi Linier 15
0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob
0.0
0.2
0.4
0.6
0.8
1.0
Exp
ecte
d C
um
Pro
b
YogyaMakassar
Tangerang
SemarangMedan
Balikpapan
Jakarta
Palembang
Surabaya
Solo
Bekasi Bandung
Manado
Bogor
Lampung
Dependent Variable: Sales
Normal P-P Plot of Regression Standardized Residual
a. Persyaratan NORMALITASJika residual berasal dari distribusinormal, maka nilai-nilai sebaranakan terletak di sekitar garislurus. Terlihat bahwa sebarandata pada chart di samping dapatdikatakan tersebar di sekelilinggaris lurus tersebut (tidakterpencar jauh dari garis lurus). Maka dapat dikatakan bahwapersyaratan Normalitas bisadipenuhi
Zainuddin Analisis Regresi Linier 16
b. Persyaratan Kelayakan Model Regresi (Model Fit)Chart di samping menjelaskanhubungan antara Nilai Prediksidengan Studentized Delete Residualnya.Jika model regresi layak dipakaiuntuk prediksi (fit), maka data akanberpencar di sekitar angka nol (0 pd sumbu Y) dan tidak membentuksuatu pola atau trend garis tertentu. Dari chart tsb terlihat sebaran data ada si sekitar titik nol (hanya data Lampung yg jauh di luar titik nol), serta tdk tampak adanya suatu polatertentu pd sebaran data tsb. Makadapat dikatakan model regresimemenuhi syarat u/ memprediksiSales
-2 -1 0 1 2
Regression Standardized Predicted Value
-2
-1
0
1
2
3
4
5
Reg
ressio
n S
tud
en
tized
Dele
ted
(P
ress)
Resid
ual
Jakarta
Tangerang
Bekasi
BogorBandung
Semarang
Solo
Yogya
Surabaya
Makassar
Manado
Balikpapan
Medan
Palembang
Lampung
Dependent Variable: Sales
Scatterplot
Zainuddin Analisis Regresi Linier 17
200.00 225.00 250.00 275.00 300.00 325.00
Sales
-2
-1
0
1
2
Reg
ressio
n S
tan
dard
ized
Pre
dic
ted
Valu
e
JakartaTangerang
Bekasi
Bogor
Bandung
Semarang
Solo
Surabaya
MakassarManado
Balikpapan
Medan
PalembangLampung
Dependent Variable: Sales
Scatterplot
c. Persyaratan Model Fit tiap dataChart ini menjelaskan hubunganantara variabel Sales dengan nilaiprediksinya.Jika model memenuhi syarat, maka sebaran data akan beradamulai dari kiri bawah lurus kearah kanan atas. Terlihat sebarandata memang membentuk arahseperti yang disyaratkan, denganperkecualian data Lampung. Olehkarena itu, dpt dikatakan model regresi sudah layak digunakan.
4. Tugas Mandiri Carilah data statistik perikanan yang menunjukkan
adanya hubungan fungsional antara variabeldependen dan independen.
Selesaikan dengan cara seperti pada TeladanPenggunaan SPSS di atas
Tugas dikumpul selambat-lambatnya tgl 6 November 2013.
Zainuddin Analisis Regresi Linier 18
5. Penutup
RLS relevan digunakan pada data statistik perikananuntuk memprediksi hubungan kausal antara variabeldependen dan independen
Zainuddin Analisis Regresi Linier 19